计算模型的元建模——挑战与机遇计算模型的元建模——挑战与机遇
Cy Wegman，部门主管；Bill Worley，硕士，技术主管 – 宝洁
复杂的计算机模拟对于当今许多产品和流程的预测模型的开发至关重要。这些模型有其自身的挑战：随着模拟“实验”的数量在一次一个的模拟环境中增长，它们对于专家用户来说可能变得计算成本高昂且耗时。实验设计和元建模被用于寻找这些问题的整体解决方案。人们会认为，由于计算机模拟创建元模型的确定性，这就像从原木上掉下来一样容易。我们的经验是，这更像是被原木击中。找到一个最接近系统整体行为的模型非常困难。传统观点可能无法产生最佳的整体元模型。例如，与所有计算数据点完全吻合的高斯过程模型将给出一个“良好”的元模型。然而，仔细检查折刀残差与实际图表明，残差数据看起来更像是随机实验中看到的噪声。因此，在这种情况下，神经网络甚至响应面方法可能会产生比高斯方法更好的整体近似模型。本次演讲将概述元建模的挑战和机遇。
